Submitted by Jorge Silva (jorgelmsilva@ufrrj.br) on 2016-10-21T17:28:48Z No. of bitstreams: 1 2016 - Alessandro Samuel-Rosa.pdf: 15092171 bytes, checksum: bbe06c922805d4196e0a50c4f2aee7a5 (MD5) / Made available in DSpace on 2016-10-21T17:28:48Z (GMT). No. of bitstreams: 1 2016 - Alessandro Samuel-Rosa.pdf: 15092171 bytes, checksum: bbe06c922805d4196e0a50c4f2aee7a5 (MD5) Previous issue date: 2016-02-24 / CNPq / Modern soil spatial modelling is based on statistical models to explore the empirical relation-ship among environmental conditions and soil properties. These models are a simplification of reality, and their outcome (soil map) will always be in error. What a soil map conveys is what we expect the soil to be, acknowledging that we are uncertain about it. The objective of this thesis is to evaluate important sources of uncertainty in spatial soil modelling, with emphasis on soil and covariate data. Case studies were developed using data from a catchment located in Southern Brazil. The soil spatial distribution in the study area is highly variable, being deter-mined by the geology and geomorphology (coarse spatial scales), and by agricultural practices (fine spatial scales). Four topsoil properties were explored: clay content, organic carbon con-tent, effective cation exchange capacity and bulk density. Five covariates, each with two levels of spatial detail, were used: area-class soil maps, digital elevation models, geologic maps, land use maps, and satellite images. These soil and covariate data constitute the Santa Maria dataset. Two packages for R were created in support to the case studies, the first (pedometrics) con-taining various functions for spatial exploratory data analysis and model calibration, the second (spsann) designed for the optimization of spatial samples using simulated annealing. The case studies illustrated that existing covariates are suitable for calibrating soil spatial models, and that using more detailed covariates results in only a modest increase in the prediction ac-curacy that may not outweigh the extra costs. More efficient means of increasing prediction accuracy should be explored, such as obtaining more soil observations. For this end, one should use objective means for selecting observation locations to minimize the effects of psycholog-ical responses of soil modellers to conceptual and operational factors on the sampling design. This because conceptual and operational difficulties encountered in the field determine how the motivation of soil modellers shifts between learning/verifying soil-landscape relationships and maximizing the number of observations and geographic coverage. For the sole purpose of spa-tial trend estimation, it should suffice to optimize spatial samples aiming only at reproducing the marginal distribution of the covariates. For the joint purpose of optimizing sample configu-rations for spatial trend and variogram estimation, and spatial interpolation, one can formulate a sound multi-objective optimization problem using robust versions of existing sampling algo-rithms. Overall, we have learned that a single, universal recipe for reducing our uncertainty in soil spatial modelling cannot be formulated. Deciding upon efficient ways of reducing our uncertainty requires, first, that we explore the full potential of existing soil and covariate data using sound spatial modelling techniques. / A modelagem espacial do solo moderna usa modelos estat?sticos para explorar a rela??o em-p?rica entre as condi??es ambientais e as propriedades do solo. Esses modelos s?o uma sim-plifica??o da realidade, e seu resultado (mapa do solo) estar? sempre errado. O que um mapa do solo transmite ? o que esperamos que o solo seja, reconhecendo que somos incertos sobre ele. O objetivo dessa tese ? avaliar importantes fontes de incerteza na modelagem espacial do solo, com ?nfase nos dados do solo e covari?veis. Estudos de caso foram desenvolvidos usando dados de uma bacia hidrogr?fica do sul do Brasil. A distribui??o espacial do solo na ?rea de estudo ? vari?vel, sendo determinada pela geologia e geomorfologia (escalas espaciais maiores) e pr?ticas agr?colas (escalas espaciais menores). Quatro propriedades do solo foram explora-das: teor de argila, teor de carbono org?nico, capacidade de troca cati?nica efetiva e densidade. Cinco covari?veis, cada um com dois n?veis de detalhe espacial, foram utilizadas: mapas areais de classes de solo, modelos digitais de eleva??o, mapas geol?gicos, mapas de uso da terra, e imagens de sat?lite. Esses dados constituem o conjunto de dados de Santa Maria. Dois paco-tes para R foram criados, o primeiro (pedometrics) contendo v?rias fun??es para a an?lise explorat?ria espacial de dados e calibra??o de modelos, o segundo (spann) projetado para a optimiza??o de amostras espaciais usando recozimento simulado. Os estudos de caso ilustraram que as covari?veis existentes s?o apropriadas para calibrar modelos espaciais do solo, e que o uso de covari?veis mais detalhadas resulta em modesto aumento na acur?cia de predi??o que pode n?o compensar os custos adicionais. Meios mais eficientes de aumentar a acur?cia de pre-di??o devem ser explorados, como obter mais observa??es do solo. Para esse fim, deve-se usar meios objetivos para a sele??o dos locais de observa??o a fim de minimizar os efeitos das res-postas psicol?gicas dos modeladores do solo a fatores conceituais e operacionais sobre o plano de amostragem. Isso porque as dificuldades conceituais e operacionais encontradas no campo determinam mudan?as na motiva??o dos modeladores do solo entre aprendizagem/verifica??o das rela??es solo-paisagem e maximiza??o do n?mero de observa??es e cobertura geogr?fica. Para estimar a tend?ncia espacial, deve ser suficiente otimizar as amostras espaciais visando so-mente reproduzir a distribui??o marginal das covari?veis. Para otimizar configura??es amostrais para estimar a tend?ncia espacial e o variograma, e interpola??o espacial, pode-se formular um problema de otimiza??o multi-objetivo s?lido usando vers?es robustas de algoritmos de amos-tragem existentes. No geral, aprendemos que uma receita ?nica, universal para a redu??o da incerteza na modelagem espacial do solo n?o pode ser formulada. Decidir sobre formas efi-cazes de redu??o da incerteza requer, em primeiro lugar, que exploremos todo o potencial dos dados existentes usando t?cnicas de modelagem espacial s?lidas.

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / The traditional soil analysis many techniques are used in order to determine the physical and chemical properties of the soil. The radiometry appears as a promising alternative technique in the analysis of soil properties. This technique has demonstrated great potential for identification and quantification of certain properties of the soil. It is a non-destructive and non-polluting tool, with the ability to collect data on large spatial dimensions with relative speed. The radiometry may in cases be simpler than the traditional analysis of the soil and on various occasions, more accurately. The main objective of this study was to determine pedotransfer functions to soil properties based on radiometric data. It was observed that the heterogeneity of the soil decreases the accuracy of the models, however it was possible to construct prediction functions for the content of sand, silt, clay and soil organic matter from the radiometry with a level of prediction models acceptable. Considering that, in the prediction of soil properties using radiometry, there is no reagents spending and less resource invested beyond the analysis time shorter than the traditional analysis, the results were promising. / Na análise tradicional do solo muitas técnicas são utilizadas na tentativa de determinar suas propriedades físicas e químicas. A radiometria aparece como uma técnica alternativa e promissora na análise de propriedades do solo. Essa técnica tem demonstrado grande potencial na identificação e quantificação de determinadas propriedades do solo. Trata-se, de uma ferramenta não destrutiva, não poluidora, com capacidade de coleta de dados em grandes dimensões espaciais com relativa velocidade. A radiometria pode, em muitos casos, ser mais simples do que a análise tradicional do solo e em várias ocasiões, mais precisa. O principal objetivo desse trabalho foi determinar funções de pedotransferência para as propriedades do solo tendo como base os dados da radiometria. Observou-se que a heterogeneidade do solo diminui a precisão dos modelos, porém foi possível construir funções de predição para o teor de argila, areia, silte e matéria orgânica do solo a partir da radiometria com um nível de predição dos modelos aceitável. Considerando que, na predição das propriedades do solo utilizando a radiometria, não há gastos com reagentes e menos recursos investidos além do tempo de análise menor que a análise tradicional, os resultados apresentados foram promissores.

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / The requirement for quantitative soil information has increased as a consequence of the global scenarios. The digital soil mapping (DSM) seeks to produce consistent data with the current needs through the generation of functional soil maps in multi-scales. The aim of this study was to evaluate the altimetry quality and limitations of digital elevation model (DEM) in order to assist in choosing the most suitable DEM to derive terrain attributes (TA) to develop spatial prediction functions to be applied to digital mapping of soil organic carbon (SOC) of farm scale in the Plateau of the state of Rio Grande do Sul (RS). The study was conducted on a 937 ha area located in the municipality of Giruá, RS, Brazil. They collected 243 sampling points in the 0-5 cm layer and an accomplished planialtimetric survey (PS) considered in this study the truth of the ground of altitude values. DEM evaluated were: DEM-PS (generated from the PS), DEM-LETTER (generated by interpolating the level of topographic map curves), DEM-ASTER, DEM- SRTM and DEM-TOPODATA. The DEM were evaluated for precision altimetry through statistical test value of the square root of the mean square error (RMSE) and application of the Brazilian Cartographic Standard for defining the scale of each DEM based on the accuracy of the altitude. TA derived from each DEM were faced with the AT derived from the DEM-PS. The results showed that the DEM-PS presented the best quality of elevation data (RMSE = 1.93 m), followed by DEM-SRTM (RMSE = 5.95 m), DEM- (RMSE = 8.28 m), DEM-TOPODATA (RMSE = 9.78 m) and DEM-ASTER (RMSE = 15.57 m). The size of the area and gently rolling relief were the main factors that influenced the results. The DEM-PS is suited in scale 1: 10,000 Class D, while DEM-LETTER and DEM-SRTM are suited in scale 1: 50,000 class B, the DEM-TOPODATA the scale 1: 50,000 class D and the DEM-ASTER scale 1: 100,000 Class B. With regard to TA, the DEM-SRTM and DEM-TOPODATA present results closer to the DEM-PS and smaller RMSE values for each TA assessed. The prediction function constructed from the DEM-PS derived from the TA and vegetation index Landasat-7 obtained images explained only 16% of the variance in SOC area. The small spatial resolution of DEM-PS and images associated with the use only of these predictors were the main factors that influenced the results. Based on these results, the DEM-SRTM and DEM-TOPODATA can be used in DSM semi-detailed soil classes. In the case of the SOC DSM suggest the use of these DEM associated with field control points to verify the precision altimetry and the inclusion of variables related to soil management practices. / A demanda por informações quantitativas de solos em nível detalhado de bacias hidrográficas vêm aumentado em decorrência dos cenários globais. O mapeamento digital de solos (MDS) visa gerar dados compatíveis com essas necessidades por meio da geração de mapas funcionais de solos em multi-escalas. O objetivo desse trabalho foi avaliar a qualidade altimétrica e limitações de MDE com a finalidade de auxiliar na escolha do MDE mais adequados para derivar atributos do terreno (AT) para desenvolver funções de predição espacial para serem aplicadas ao mapeamento digital do carbono orgânico do solo em escala de propriedade rural no Planalto do Estado do Rio Grande do Sul (RS). O estudo foi realizado em uma área de 937 ha localizada no município de Giruá, RS, Brasil. Foram coletados 243 pontos amostrais na camada de 0-5 cm e realizado um levantamento planialtimétrico (LP) considerado neste estudo a verdade do terreno dos valores de altitude. Os MDE avaliados foram: MDE-LP (gerado a partir do LP), MDE-CARTA (gerado pela interpolação das curvas de nível da carta topográfica), MDE-ASTER, MDE-SRTM e MDE-TOPODATA. Os MDE foram avaliados quanto à precisão altimétrica por meio de teste estatísticos, valor da raiz quadrada do erro médio quadrático (RMSE) e aplicação da Norma Brasileira de Cartografia para definição da escala de cada MDE com base na precisão da altitude. Os AT derivados de cada MDE foram confrontados com os AT derivados do MDE-LP. Os resultados mostraram que o MDE-LP apresentou a melhor qualidade dos dados de altitude (RMSE = 1,93 m), seguido dos MDE-SRTM (RMSE = 5,95 m), MDE-CARTA (RMSE = 8,28 m), MDE-TOPODATA (RMSE = 9,78 m) e MDE-ASTER (RMSE = 15,57 m). O tamanho da área e relevo suave ondulado foram os principais fatores que influenciaram nos resultados. O MDE-LP se adequou na escala 1:10.000 classe D, enquanto os MDE-CARTA e MDE-SRTM se adequaram na escala 1:50.000 classe B, o MDE-TOPODATA a escala 1:50.000 classe D e o MDE-ASTER escala 1:100.000 classe B. Em relação aos AT, os MDE- SRTM e MDE-TOPODATA apresentam resultados mais próximos do MDE-LP e os menores valores de RMSE para cada AT avaliado. A função de predição construída a partir dos AT derivados do MDE-LP e índice de vegetação obtido de imagens Landasat-7 explicou apenas 16% da variância do COS na área. A resolução espacial pequena do MDE-LP e das imagens associado ao uso apenas dessas variáveis preditoras foram os principais fatores que influenciaram nos resultados. Com base nesses resultados, os MDE- SRTM e MDE-TOPODATA podem ser utilizados no MDS semidetalhado de classes de solos. No caso do MDS do COS sugere-se o uso desses MDE associado com pontos de controle de campo para verificação da precisão altimétrica e a inclusão de variáveis relacionadas a práticas de manejo do solo.